摘要 特征提取是视觉中的一个重要任务，通过提取特征点，可以完成全景拼接等操作。harris角点就是一个比较好的特征。 特征选择 一个好的特征具有以下几种性质。 重复性，特征在不同摄影角度、不同地理位置得到的一系列照片中都应该出现。 特殊性，特征应该是特别的，容易辨认的。 计算友好，提取特征需要考虑计算效率。 局部性，特征应该占据图像的一小部分，对杂波和遮挡具有鲁棒性 特征点应用 特征点应用可以用在图像对齐、3D重建等等视觉任务。 角点 在角点周围的区域中，图像梯度具有两个或多个主导方向，并且它具有重复性、辨别度高。所以角点是一个比较好的特征。 识别角点可以使用一个方框，当方框框住角点时，往任意方向移动，方框内的内容都会发生改变。 我们可以使用$E(u,v)$来描述一个方框移动时，方框内容的变化程度。这里的I指图像强度，也是像素值大小。$x,y$指方框内的各个像素点的坐标.$w(x,y)$指不同像素点的权重，一般方框中心的权重较大。 这里的E(u,v)是相对于某个固定位置的方框定义的，其实可以表示成$E(X,Y,u,v)$，$X,Y$是方框中心点位置，因为之后要用到不同位置的E
Axuanz
Updating as per fate.
